集成学习方法在电费回收风险预测中的应用研究

曾 铮，刘光明

（广东电网有限责任公司东莞供电局，广东东莞 523000）

0 引言

电力资源一直是关乎国计民生的头等大事。随着我国经济体制改革的不断深入，电力行业面临着诸多挑战[1]。一直以来，电费回收是电力营销的关键内容，同时作为供电企业营销的最后一部分起着决定性的作用[2]。但在实际工作中，经常会出现用电客户拖欠电费的情况。导致电费拖欠的原因有很多，比如没有按时缴纳电费的意识或者用电客户财务困难[3]。为此，电力公司多年来一直致力于通过各种方法提高电费回收率，而这些方法往往侧重于对管理手段的运用，如改善加强电力公司的领导工作[4]以及聚焦重点企业[5]等。

近年来，针对电力公司所存在的电费回收率不高的问题，各种不同的用户风险预测方法被提出。例如基于大数据的用户风险预测方法、基于支持向量机算法的风险预警模型[6]、电力客户欠款风险的评估预测系统[7]以及基于逻辑回归的风险预测[8]。但是由于以上预测方法对于差异化服务策略和策略应用评价缺乏深入研究，且对于特征工程部分没有进行详细地分析[9]，所以其预测的准确率并不高。

基于对以上预测方法的分析与了解，本文采用集成学习方法构建了一种电费回收风险预测模型。为了检测其预测效果，首先通过针对数据的特征工程处理来得到适合模型训练的数据，然后分别采用集成学习方法和传统的逻辑回归算法构建电费回收风险预测模型，并对用电客户下月违约的概率进行预测。……